使用 Torch-TensorRT dynamo 后端编译 FLUX.1-dev 模型

本示例展示了如何使用 Torch-TensorRT 优化最新的模型 FLUX.1-dev。

FLUX.1 [dev] 是一个拥有 120 亿参数的 rectified flow Transformer，能够从文本描述生成图像。这是一个用于非商业应用的开放权重、指导蒸馏模型。

要运行此演示，您需要获得 Flux 模型访问权限（如果尚未获得，请在 FLUX.1-dev 页面申请）并安装以下依赖项

pip install sentencepiece=="0.2.0" transformers=="4.48.2" accelerate=="1.3.0" diffusers=="0.32.2" protobuf=="5.29.3"

FLUX.1-dev 流水线包含不同的组件，例如 transformer、vae、text_encoder、tokenizer 和 scheduler。在本示例中，我们演示了如何优化模型的 transformer 组件（该组件通常占整个端到端扩散延迟的 >95%）

导入以下库

import torch
import torch_tensorrt
from diffusers import FluxPipeline
from torch.export._trace import _export

定义 FLUX-1.dev 模型

使用 FluxPipeline 类加载 FLUX-1.dev 预训练流水线。FluxPipeline 包含生成图像所需的各种组件，例如 transformer、vae、text_encoder、tokenizer 和 scheduler。我们使用 torch_dtype 参数以 FP16 精度加载权重

DEVICE = "cuda:0"
pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-dev",
    torch_dtype=torch.float16,
)

# Store the config and transformer backbone
config = pipe.transformer.config
backbone = pipe.transformer.to(DEVICE)

使用 torch.export 导出主干网络

定义 dummy 输入及其对应的动态形状。由于 0/1 特化，我们以 batch_size=2 的动态形状导出 transformer 主干网络

batch_size = 2
BATCH = torch.export.Dim("batch", min=1, max=2)
SEQ_LEN = torch.export.Dim("seq_len", min=1, max=512)
# This particular min, max values for img_id input are recommended by torch dynamo during the export of the model.
# To see this recommendation, you can try exporting using min=1, max=4096
IMG_ID = torch.export.Dim("img_id", min=3586, max=4096)
dynamic_shapes = {
    "hidden_states": {0: BATCH},
    "encoder_hidden_states": {0: BATCH, 1: SEQ_LEN},
    "pooled_projections": {0: BATCH},
    "timestep": {0: BATCH},
    "txt_ids": {0: SEQ_LEN},
    "img_ids": {0: IMG_ID},
    "guidance": {0: BATCH},
    "joint_attention_kwargs": {},
    "return_dict": None,
}
# The guidance factor is of type torch.float32
dummy_inputs = {
    "hidden_states": torch.randn((batch_size, 4096, 64), dtype=torch.float16).to(
        DEVICE
    ),
    "encoder_hidden_states": torch.randn(
        (batch_size, 512, 4096), dtype=torch.float16
    ).to(DEVICE),
    "pooled_projections": torch.randn((batch_size, 768), dtype=torch.float16).to(
        DEVICE
    ),
    "timestep": torch.tensor([1.0, 1.0], dtype=torch.float16).to(DEVICE),
    "txt_ids": torch.randn((512, 3), dtype=torch.float16).to(DEVICE),
    "img_ids": torch.randn((4096, 3), dtype=torch.float16).to(DEVICE),
    "guidance": torch.tensor([1.0, 1.0], dtype=torch.float32).to(DEVICE),
    "joint_attention_kwargs": {},
    "return_dict": False,
}
# This will create an exported program which is going to be compiled with Torch-TensorRT
ep = _export(
    backbone,
    args=(),
    kwargs=dummy_inputs,
    dynamic_shapes=dynamic_shapes,
    strict=False,
    allow_complex_guards_as_runtime_asserts=True,
)

Torch-TensorRT 编译

注意

编译需要具有大内存（> 80GB）的 GPU，因为 TensorRT 以 FP32 精度存储权重。这是一个已知问题，将在未来版本中解决。

我们通过设置 use_fp32_acc=True 启用 FP32 矩阵乘法累加，通过引入转换为 FP32 的节点来确保精度得以保留。我们还启用了显式类型指定，以确保 TensorRT 遵守用户设置的数据类型，这是 FP32 矩阵乘法累加的要求。由于这是一个 120 亿参数的模型，在 H100 GPU 上编译大约需要 20-30 分钟。该模型完全可转换，并生成一个单一的 TensorRT 引擎。

trt_gm = torch_tensorrt.dynamo.compile(
    ep,
    inputs=dummy_inputs,
    enabled_precisions={torch.float32},
    truncate_double=True,
    min_block_size=1,
    use_fp32_acc=True,
    use_explicit_typing=True,
)

后处理

释放由导出程序和 pipe.transformer 占用的 GPU 内存 将 Flux 流水线中的 transformer 设置为 Torch-TRT 编译后的模型

del ep
backbone.to("cpu")
pipe.to(DEVICE)
torch.cuda.empty_cache()
pipe.transformer = trt_gm
pipe.transformer.config = config

使用提示词生成图像

提供提示词和要生成图像的文件名。这里我们使用提示词 A golden retriever holding a sign to code。

# Function which generates images from the flux pipeline
def generate_image(pipe, prompt, image_name):
    seed = 42
    image = pipe(
        prompt,
        output_type="pil",
        num_inference_steps=20,
        generator=torch.Generator("cuda").manual_seed(seed),
    ).images[0]
    image.save(f"{image_name}.png")
    print(f"Image generated using {image_name} model saved as {image_name}.png")


generate_image(pipe, ["A golden retriever holding a sign to code"], "dog_code")

生成的图像如下所示